CARTERAS MINORISTAS Sistemas de scoring: construcción y ...
Análisis discriminante: – Modelos Logit y Probit. – Modelos de datos de panel. – Modelos de supervivencia. – Otros: Árboles de decisión y redes neuronales ...
CARTERAS MINORISTAS Sistemas de scoring: construcción y evaluación
DIRECCIÓN GENERAL DE SUPERVISIÓN Grupo de Tesorería y Modelos de Gestión de Riesgos Gregorio Moral Turiel Sergio Gavilá Javier Población
II Seminario sobre Basilea II Validación de modelos avanzados en el Pilar 1 Madrid, 14 al 17 de noviembre de 2006
Cartera minorista.
Particularidades de los segmentos minoristas Obtención de puntuaciones (scores) de clientes/ operaciones – Técnicas de obtención de scores – Scores de admisión y scores de comportamiento – Etapas y datos utilizados Obtención de una clasificación y calibración Evaluación – Validaciones – Estabilidad – Capacidad discriminante y otras medidas
DIRECCIÓN GENERAL DE SUPERVISIÓN
2
Particularidades de los segmentos minoristas
Carteras con gran número de clientes/exposiciones Número de defaults elevado (comparado con segmentos de empresas) Tipología cliente-no cliente Experiencia de muchos años con sistemas de scoring Utilización tanto de sistemas desarrollados internamente como de modelos genéricos (vendor models) con muestras internas Gran cantidad de datos disponibles – Prima la Información objetiva – Importancia de variables categóricas y de la categorización de las variables continuas Influencia del factor tiempo en los datos observados – Cambios frecuentes en los sistemas de admisión – Cambios en las políticas de admisión – Expansión geográfica Técnicas estadísticas para la obtención de los scores
DIRECCIÓN GENERAL DE SUPERVISIÓN
3
Scores de admisión y scores de comportamiento I
Admisión: – Orientados a la operación – Información detallada del acreditado obtenida durante el proceso de admisión y disponible antes de la aprobación – Después de la admisión se utilizan con otros propósitos • Como mínimo hay que tener en cuenta el tiempo transcurrido desde la concesión • La valoración inicial va perdiendo capacidad explicativa a medida que pasa el tiempo • Lo óptimo es utilizar un scoring de comportamiento a partir de una edad determinada (tiempo desde la concesión)
DIRECCIÓN GENERAL DE SUPERVISIÓN
4
Scores de admisión y scores de comportamiento II
Comportamiento: – Orientados a calificar al cliente – Información del resto de productos del cliente – En segmento minorista la información clave proviene de la cuenta corriente del cliente y del comportamiento en el resto de productos • Debe ser un cliente activo (cuenta corriente con movimientos: nómina, recibos) • Se necesita una experiencia mínima con el cliente (periodo mínimo: 6 meses, un año) – Integra toda la información actualizada existente sobre el cliente – Se puede calcular periódicamente • Frecuencia relevante – Internamente se utilizan para: • Diseñar políticas de preconcesión y venta cruzada • Seguimiento de los clientes y carteras
DIRECCIÓN GENERAL DE SUPERVISIÓN
5
Construcción: etapas y datos utilizados
Población y muestras – Definición de la cartera objetivo – Definición de malo: horizonte, días de impago, materialidad – Extracción de información: muestras de construcción y de validación Preselección de variables – Transformación de variables: • creación de variables categóricas y/o binarias Tratamiento de anomalías y faltas de información Análisis univariante – Técnicas gráficas y cálculo de estadísticos descriptivos – Regresiones logísticas univariantes – Criterios de selección: capacidad discriminante, facilidad de interpretación, correlación Análisis multivariante – Regresiones logísticas paso a paso Construcción y selección del modelo final
DIRECCIÓN GENERAL DE SUPERVISIÓN
6
Obtención de puntuaciones (scores) de clientes/ operaciones
Se utilizan casi exclusivamente procedimientos estadísticos Técnicas de obtención de scores y otros métodos de ordenación – Regresión – Análisis discriminante: – Modelos Logit y Probit – Modelos de datos de panel – Modelos de supervivencia – Otros: Árboles de decisión y redes neuronales
DIRECCIÓN GENERAL DE SUPERVISIÓN
7
Modelos Logit y Probit I
Características – Motivación: obtención de una PD directamente asociada a las características de la operación/acreditado sin necesidad de agrupaciones intermedias – Estructura no lineal al introducir una link function F con valores en (0,1):
pi = F (b′ ⋅ x i ) – Elecciones típicas: • Función de distribución de una logística: modelo logit
e b′⋅ xi F (b′ ⋅ x i ) = 1+ e b′⋅ xi • Función de distribución de una normal N(0,1): modelo probit
F (b′ ⋅ x i ) =
b′⋅ x i
∫e
−
t2 2
dt
−∞
DIRECCIÓN GENERAL DE SUPERVISIÓN
8
Modelos Logit y Probit II
Estimación de los parámetros – Normalmente se usa el método de la máxima verosimilitud – Función de verosimilitud:
L( b) =
∏
[
P ( b′ ⋅ x i ) yi 1− P ( b′ ⋅ x i )1− y i
]
i
Estimar los parámetros y contrastar el nivel de significación de las variables se puede hacer con software estándar para ambos modelos. Pero el Logit presenta ventajas de interpretación de los resultados: – La relación entre la probabilidad de default y la relación entre número de buenos y malos (odds) viene dada por:
pi = e β ′⋅ x i 1− pi – Por lo tanto la sensibilidad de los odds ante variaciones unitarias de la variable k viene dada por e β k – El logaritmo de los odds es lineal en las variables explicativas
DIRECCIÓN GENERAL DE SUPERVISIÓN
9
Obtención de una clasificación y asignación de PD a las clases
Las entidades suelen agrupar exposiciones/acreditados en clases homogéneas en términos de PD (normalmente en horizonte de un año) Dependiendo del tipo de modelo esto puede hacerse – Directamente, cuando tenemos un PD asociada a cada operación /acreditado (Logit/Probit). – Indirectamente mediante agrupaciones que tengan a priori elementos “similares” • Mediante intervalos de score • Mediante agrupación de clases (obtenidas por ejemplo, mediante árboles de decisión) Después se asigna una PD a cada clase a partir de las frecuencias de default observadas en cada una de ellas y otra información disponible. Este proceso se suele denominar calibración a PD
DIRECCIÓN GENERAL DE SUPERVISIÓN
10
Evaluación
Capacidad discriminante • Medidas de separación o capacidad discriminante global: – Curva ROC con estadístico resumen AUROC (área bajo la curva ROC) y/o otros estadísticos semejantes (estadístico de potencia AR)
•
Distancias entre distribuciones: – Estadístico de Kolmogorov-Smirnov
•
Medidas de entropía e información: – Ganancia teórica de información – Conditional Entropy Ratio, CER
Estabilidad: – Muchos bancos usan técnicas de validación cruzada con un estadístico (por ejemplo el AR) para analizar su estabilidad en el tiempo o en subpoblaciones. • Muestras de validación (Tests Out of Sample) • En el tiempo (Tests Out of Time) • En subpoblaciones
DIRECCIÓN GENERAL DE SUPERVISIÓN
11
Capacidad discriminante Medidas de separación o capacidad discriminante global
Dado un sistema de scoring y fijada una ventana de observación (un año, 18 meses, toda la vida de la operación) se trata de medir la capacidad del scoring para separar las distribuciones de buenos y malos Suponemos conocidas : – las distribuciones del score condicionado a bueno F(s|B)=FB y a malo F(s|M)=FM 0.025
0.015
0.02
0.0125
fM
0.01
fB
0.015 0.0075 0.01 0.005 0.005
0.0025 0
0 50
100
150
200
250
300
0
50
100
150
200
– La proporción entre buenos y malos NB/NM
DIRECCIÓN GENERAL DE SUPERVISIÓN
12
Curva ROC
Conocidas FB y FM podemos definir la curva ROC Las abscisas representan cuantiles de la distribución de los scores sobre la muestra de las observaciones que han resultado buenas. Las ordenadas reflejan el % sobre el total de malos en la muestra de las observaciones malas con score inferior al asociado a la abscisa correspondiente Para resumir en un número la capacidad discriminante del modelo se puede utilizar un índice de potencia, AUROC (Area Under the Roc Curve) Interpretación del AUROC es la P(SD
Es un producto, pensado para aquellos clientes que quieran invertir en Bolsa Española (Mercado Continuo y en especial IBEX-35) diversificando su inversión a ...
Fig.6 La frontera eficiente (conjunto de carteras que proporcionan el máximo ... utilidad marginal para decidir qué cartera de la frontera eficiente debe ...
tados con la irrupción de plataformas como Amazon. Hoy, en los países más avanzados en la materia, ... marketing digital desarrollado por Chris Anderson en.
trabajo es venderlos. Tenga en cuenta que un 81 por ciento de los ..... la generación X (1965-1982) y los “Baby Boomers” (1946-1964). El almacén, con más de ...
seguimos optimistas con la región y con los activos de riesgo en general, sustentados por la recuperación ..... yields de la aerolínea, mejorando sus ingresos y.
Todas las civilizaciones antiguas creían en predicciones y presagios. El propio. Alejandro Magno acostumbraba sacrificar aves antes de las batallas, en sus.
1 jul. 2017 - La cartera de créditos agrícola aumentó en Bs. 1,56 billones de Bolívares desde julio de 2016, lo que representa un incremento de 260,97%, ...
1 ago. 2017 - decidido elevar la ponderación de Enel Generación Chile en nuestras carteras. Ante un costo marginal que continuaría en niveles más acotados gracias al aporte de las ERNC y una matriz que tendría mayor aporte hídrico, esperamos que los
16 jul. 2008 - brinda el Banco Galicia a través de la aseguradora Ace SA. La cobertura se obtiene si se es titular de una cuenta en el banco y comprende ...
31 mar. 2019 - N/A. Real Serie A. 0,60%. 1,51%. 0,50%. 1,01%. 0,08% N/A. N/A. Nominal Serie APV. 0,69%. 1,66%. 0,55% N/A. N/A. N/A. N/A. Real Serie APV.
La teoría de la organización y la práctica administrativa evolucionan continuamen- te. ... Un punto de vista sistémico integrado de las organizaciones. Puntos de ...
31 mar. 2019 - Administradora. Fintual Administradora General de Fondos S.A. ... TOTAL. -. - -. 0,00%. Instrumentos de capitalización de emisores extranjeros.
EN / ES. Airtribune Scoring and Day Blog management. Instructions. 1. Confirm Participants. Confirmar Participantes. Page 2. EN / ES. 2. On General Info page.
tas ecuaciones tienen infinitas soluciones que coinciden con los ... Estas transformaciones se concretan en los tres métodos clásicos de resolución de sis-.
Ej 1 Para la señal continua en el tiempo x(t) de la figura grafique cada una de las ... a) x(t)u(1-t); b) x(t)[-u(t)+u(t+1)]; c) x(t)δ (. / t. ) − 3 2. 1. 2. -1. 1 2 t. 1. 2. -1. 1 2.
Cauchy o por el Teorema de los Residuos. a. ⎩. ⎨. ⎧. ±. = ±. = = +. ∫. 2 y. 2 x. C. 3/1. 2/. C dz z z b. ( )(. ) 22. C. 9. 1. 2. 3. 2. 2. = −. = +. −. +. ∫ z dz z z z. C c. ( ). 2.
Análisis de Señales y Sistemas. FRBA – UTN. Año 2009/ ... y en caso de serlo calcular su conjugada armónica y dar la función analítica f(z) que componen. a.
Análisis de Señales y Sistemas. Trabajo práctico. T. de Fourier-Aplicaciones. Problema 1. Se denomina función propia de un sistema, a una señal para la cual ...
Mandril angular TE-AC 1. ▫. ▫. 1 un. 00272701. Mandril con llave. Para el uso de brocas de .... 280 r.p.m.). Clutch mecánico optimizado para máximo torque. ▫.
τ τ)(. )( n c) f). [ ]. [ ] nnx ny = Ej 3 Dado el siguiente sistema, determinar: a) la relación explícita entre y(t) y x(t) b) si el sistema es lineal c) si es invariante en el ...
Análisis de Señales y Sistemas. Trabajo práctico. Transformada de Fourier. Problema 1. Calcular la transformada de Fourier de la siguiente señal y dibuje la ...